La evidencia científica constituye el conjunto de observaciones, mediciones y resultados empíricos evaluados mediante procedimientos metodológicos rigurosos que permiten estimar el grado de apoyo de una hipótesis, un modelo o una teoría científica. En las ciencias empíricas, la evidencia no se limita a acumular datos: exige interpretar esos datos mediante modelos, criterios de validez, comparaciones y procedimientos inferenciales capaces de cuantificar la incertidumbre.
Desde una perspectiva epistemológica, la evidencia actúa como mecanismo de conexión entre las explicaciones científicas y la realidad observable. Permite comprobar si un modelo describe adecuadamente los fenómenos, si realiza predicciones correctas y si continúa siendo útil cuando aparecen nuevas observaciones.
La evidencia científica tampoco proporciona certezas absolutas. Su función es reducir la incertidumbre de forma controlada, distinguir entre explicaciones mejor o peor respaldadas y permitir que las conclusiones se revisen cuando cambian los datos disponibles. Esta capacidad de corrección forma parte esencial de qué es la ciencia.
Definición de evidencia científica
La evidencia científica puede definirse como la información empírica relevante para evaluar una afirmación. Procede de observaciones, experimentos, mediciones, registros históricos o comparaciones sistemáticas y adquiere valor cuando se relaciona con una pregunta concreta mediante un método explícito.
En términos generales, una evidencia científica debe reunir varias características:
- Observabilidad: debe proceder directa o indirectamente de fenómenos que puedan registrarse.
- Mensurabilidad: debe poder expresarse mediante categorías, cantidades o relaciones definidas.
- Trazabilidad: debe conocerse cómo, cuándo y bajo qué condiciones se obtuvo.
- Evaluación crítica: debe ser susceptible de revisión por otras personas.
- Relevancia: debe aportar información respecto a una hipótesis o explicación concreta.
- Incertidumbre cuantificada: debe incluir los límites y errores asociados a la medición.
Los datos por sí solos no constituyen automáticamente evidencia. Una temperatura, una secuencia genética o una imagen telescópica solo adquieren significado cuando se conoce cómo se obtuvieron, qué representan, qué errores pueden contener y qué hipótesis permiten evaluar.
Datos, evidencia y conclusión: conceptos diferentes
En el lenguaje cotidiano, los términos dato, evidencia y prueba suelen utilizarse como equivalentes. En investigación científica conviene distinguirlos.
- Dato: resultado registrado de una observación o medición.
- Evidencia: dato interpretado en relación con una hipótesis.
- Conclusión: inferencia obtenida después de evaluar la evidencia disponible.
Por ejemplo, una concentración determinada de una sustancia en sangre es un dato. Se convierte en evidencia cuando se compara con grupos de control, valores previos, mecanismos biológicos o predicciones de una hipótesis. La conclusión dependerá de la calidad del diseño, del tamaño de la muestra, de los posibles sesgos y de la coherencia con otros estudios.
Esta distinción evita uno de los errores más frecuentes en divulgación: presentar una observación aislada como si demostrara por sí sola una explicación completa.
La evidencia depende de la pregunta investigada
No existe evidencia fuerte o débil en términos absolutos. Su valor depende de la afirmación que se pretende evaluar. Una encuesta puede ser adecuada para conocer opiniones, pero insuficiente para establecer que una intervención médica produce un efecto causal. Un fósil puede documentar la existencia de un organismo antiguo, pero no resolver por sí solo toda su historia evolutiva.
La metodología debe adaptarse a la naturaleza del problema. Las preguntas sobre causalidad, prevalencia, mecanismo, cronología o eficacia necesitan diseños diferentes. Por ello, el método científico no debe entenderse como una secuencia rígida idéntica para todas las disciplinas, sino como un conjunto de principios de contraste, medición y revisión.
Observación, medición e instrumentos
La evidencia científica depende de procedimientos de observación y medición. Estos procedimientos nunca son completamente neutrales: requieren seleccionar variables, definir escalas y establecer criterios para distinguir una señal de un error.
Los instrumentos amplían la capacidad humana para observar. Microscopios, telescopios, espectrómetros, aceleradores, secuenciadores genéticos y sensores climáticos permiten registrar fenómenos inaccesibles a los sentidos. Sin embargo, cada instrumento posee límites de resolución, calibración y sensibilidad.
Una medición fiable exige:
- Instrumentos calibrados.
- Protocolos estandarizados.
- Controles de calidad.
- Estimación del error.
- Registro de las condiciones experimentales.
Los errores de medición no invalidan automáticamente un estudio. Toda medición contiene incertidumbre. Lo importante es identificarla, estimarla y evitar que se convierta en una fuente sistemática de distorsión.
Error aleatorio y error sistemático
El error aleatorio produce variaciones impredecibles entre mediciones. Puede reducirse aumentando el número de observaciones, mejorando la precisión instrumental o repitiendo el procedimiento.
El error sistemático desplaza los resultados en una dirección concreta. Puede surgir de una calibración incorrecta, una selección sesgada de participantes, un procedimiento defectuoso o una definición inadecuada de las variables.
Esta diferencia es fundamental. Una gran cantidad de datos puede reducir el error aleatorio, pero no corrige necesariamente un sesgo sistemático. Un estudio enorme basado en un instrumento mal calibrado puede producir resultados muy precisos y, al mismo tiempo, incorrectos.
Evidencia e inferencia: cómo se pasa de los datos a las conclusiones
La ciencia necesita inferir patrones generales a partir de observaciones limitadas. Ese paso nunca es automático. Requiere modelos estadísticos, conocimiento previo y evaluación de explicaciones alternativas.
Los dos marcos estadísticos más utilizados son el frecuentista y el bayesiano. No representan dos formas completamente incompatibles de hacer ciencia, pero responden a preguntas diferentes.
Inferencia frecuentista
La inferencia frecuentista evalúa cómo se comportaría un procedimiento si se repitiera muchas veces bajo condiciones similares. Utiliza herramientas como pruebas de hipótesis, valores p e intervalos de confianza.
El valor p no indica la probabilidad de que una hipótesis sea verdadera. Expresa la probabilidad de obtener unos datos iguales o más extremos que los observados si se cumplen determinadas suposiciones, incluida la hipótesis nula.
Un resultado estadísticamente significativo tampoco garantiza que el efecto sea importante, real o reproducible. La interpretación debe considerar tamaño del efecto, precisión, calidad del diseño y plausibilidad de explicaciones alternativas.
Inferencia bayesiana
La inferencia bayesiana actualiza la probabilidad asignada a una hipótesis al incorporar nuevos datos. Combina información previa, verosimilitud de las observaciones y distribución posterior.
Este enfoque permite expresar directamente cómo cambia la credibilidad de una hipótesis, pero exige justificar las probabilidades previas y el modelo utilizado. Distintos supuestos pueden producir resultados diferentes.
Más allá de una oposición simplificada
Ambos marcos pueden utilizarse de forma rigurosa o incorrecta. La calidad de una investigación no depende únicamente de la técnica estadística elegida, sino de la coherencia entre pregunta, diseño, datos, modelo y conclusión.
Tamaño del efecto y significación estadística
Una diferencia puede ser estadísticamente significativa y carecer de importancia práctica. Esto ocurre especialmente en muestras muy grandes, donde efectos diminutos pueden generar valores p bajos.
Por ello deben comunicarse:
- Tamaño del efecto.
- Intervalos de incertidumbre.
- Relevancia clínica, biológica o social.
- Calidad del diseño.
La pregunta científica no es solo si existe una diferencia, sino cuánto mide, con qué precisión se ha estimado y si resulta relevante para el fenómeno estudiado.
Tipos de evidencia según su origen
Evidencia experimental
Procede de experimentos en los que se manipula una variable y se controlan otras condiciones. Los ensayos aleatorizados pueden aportar evidencia causal sólida cuando están bien diseñados, porque la asignación al azar reduce diferencias sistemáticas entre grupos.
No obstante, un experimento puede tener limitaciones éticas, logísticas o de generalización. Además, ningún control elimina todos los errores posibles.
Evidencia observacional
Se obtiene sin manipular directamente el fenómeno. Es esencial en astronomía, geología, climatología, epidemiología, ecología e historia natural.
La ausencia de experimentación no implica ausencia de rigor. Los estudios observacionales pueden comparar grupos, reconstruir secuencias temporales, utilizar experimentos naturales y controlar estadísticamente variables de confusión.
Evidencia correlacional
Una correlación indica que dos variables cambian de forma relacionada. No demuestra por sí sola que una cause la otra.
La asociación puede deberse a:
- Causalidad directa.
- Causalidad inversa.
- Una tercera variable.
- Sesgo de selección.
- Coincidencia estadística.
Sin embargo, afirmar que “correlación no implica causalidad” no significa que las correlaciones carezcan de valor. Constituyen una fuente importante de hipótesis y, combinadas con temporalidad, mecanismos y otros diseños, pueden formar parte de una inferencia causal sólida.
Evidencia histórica e indirecta
Muchas ciencias investigan fenómenos que no pueden reproducirse: formación de planetas, evolución biológica, extinciones, cambios climáticos antiguos o historia humana.
En estos casos se utilizan huellas observables del pasado:
- Fósiles.
- Isótopos.
- Sedimentos.
- Secuencias genéticas.
- Documentos y restos arqueológicos.
La evidencia indirecta puede ser extremadamente sólida cuando varias líneas independientes convergen en la misma explicación.
Causalidad: cómo se establece una relación causal
Determinar que un factor causa otro exige más que observar una asociación. La inferencia causal suele apoyarse en varios criterios:
- La causa debe preceder al efecto.
- La asociación debe resistir controles de confusión.
- Debe existir una relación dosis-respuesta cuando sea esperable.
- El mecanismo propuesto debe ser compatible con el conocimiento disponible.
- Los resultados deben repetirse en contextos diferentes.
- Las intervenciones deben modificar el resultado cuando sea posible.
Ningún criterio aislado es decisivo en todos los casos. La causalidad se establece mediante la combinación de diseño experimental, estadística, temporalidad, mecanismos y evidencia convergente.
Jerarquías de evidencia: utilidad y límites
En medicina basada en evidencia se utilizan jerarquías para ordenar diseños según su capacidad habitual para responder preguntas sobre intervenciones.
- Revisiones sistemáticas y metaanálisis.
- Ensayos controlados aleatorizados.
- Estudios de cohortes.
- Estudios de casos y controles.
- Series de casos y estudios descriptivos.
Estas jerarquías son útiles, pero no deben aplicarse de forma mecánica. Un metaanálisis de estudios deficientes no produce automáticamente una conclusión fiable. Un ensayo aleatorizado puede estar mal diseñado, mientras que un estudio observacional muy cuidadoso puede proporcionar evidencia decisiva.
Además, la jerarquía depende de la pregunta. Para estudiar efectos adversos raros, evolución a largo plazo o exposiciones ambientales, los estudios observacionales pueden ser más adecuados que los ensayos.
Revisiones sistemáticas y metaanálisis
Una revisión sistemática identifica, selecciona y evalúa estudios mediante un protocolo explícito. Su objetivo es reducir la selección arbitraria de resultados y resumir el estado completo de la evidencia.
El metaanálisis combina cuantitativamente resultados compatibles. Puede aumentar la precisión y detectar patrones que no son visibles en estudios individuales.
Sin embargo, su fiabilidad depende de:
- Calidad de los estudios incluidos.
- Comparabilidad de poblaciones y métodos.
- Existencia de sesgo de publicación.
- Correcta evaluación de la heterogeneidad.
Combinar estudios muy diferentes puede producir una cifra aparentemente precisa pero científicamente engañosa.
Validez interna y externa
La calidad de la evidencia depende de dos dimensiones fundamentales.
- Validez interna: grado en que los resultados reflejan correctamente lo ocurrido dentro del estudio.
- Validez externa: capacidad de aplicar esos resultados a otras poblaciones, condiciones o contextos.
Un experimento muy controlado puede tener gran validez interna y escasa generalización. Por el contrario, un estudio realizado en condiciones reales puede ser más representativo, pero estar expuesto a un mayor número de variables de confusión.
La mejor evidencia surge cuando distintos tipos de estudios compensan sus limitaciones y producen conclusiones compatibles.
Fiabilidad, validez y precisión
Estos conceptos tampoco son equivalentes:
- Fiabilidad: capacidad de obtener resultados consistentes.
- Validez: capacidad de medir realmente lo que se pretende medir.
- Precisión: grado de dispersión de las mediciones.
Un instrumento puede ser fiable porque produce siempre el mismo resultado y, al mismo tiempo, carecer de validez porque mide una variable distinta de la pretendida. También puede ser preciso pero estar sistemáticamente desplazado respecto al valor real.
Sesgos que pueden distorsionar la evidencia
Sesgo de selección
Aparece cuando las personas, muestras o casos incluidos no representan adecuadamente la población estudiada. Puede producir conclusiones que solo sean válidas para un subgrupo.
Sesgo de confirmación
Consiste en prestar más atención a los datos compatibles con una expectativa previa. Puede afectar a la formulación de hipótesis, selección de análisis e interpretación de resultados.
Sesgo de publicación
Los estudios con resultados positivos o llamativos tienen más probabilidades de publicarse. Esto puede hacer que la literatura disponible sobreestime la frecuencia o magnitud de un efecto.
Sesgo de medición
Surge cuando las variables se miden de manera diferente entre grupos o mediante procedimientos inadecuados.
Confusión
Una variable de confusión se relaciona tanto con la exposición como con el resultado y puede crear una asociación aparente. Identificar y controlar estas variables es esencial en investigación observacional.
Flexibilidad analítica y resultados falsos positivos
Cuando existen muchas formas posibles de analizar un conjunto de datos, aumenta la probabilidad de encontrar alguna asociación estadísticamente significativa por azar.
Entre las prácticas problemáticas se encuentran:
- Probar numerosas variables sin corregir comparaciones múltiples.
- Eliminar observaciones después de ver los resultados.
- Modificar la hipótesis tras analizar los datos.
- Comunicar solo los análisis favorables.
Estas prácticas no siempre implican fraude. A menudo surgen de incentivos, formación insuficiente o decisiones metodológicas no transparentes. Sin embargo, pueden inflar la evidencia aparente.
Prerregistro, protocolos y transparencia
El prerregistro consiste en definir antes de analizar los datos las hipótesis, variables principales y procedimientos estadísticos. Esto permite distinguir entre análisis confirmatorios y exploratorios.
La investigación exploratoria es legítima y necesaria. El problema aparece cuando una hipótesis formulada después de observar los datos se presenta como si hubiera sido predicha previamente.
La transparencia puede reforzarse mediante:
- Protocolos públicos.
- Datos accesibles cuando sea posible.
- Código de análisis abierto.
- Descripción completa de resultados negativos.
- Declaración de conflictos de interés.
Replicación, reproducibilidad y robustez
Estos términos describen controles relacionados pero distintos.
- Reproducibilidad: obtener los mismos resultados utilizando los mismos datos y procedimientos analíticos.
- Replicación: repetir el estudio con nuevos datos.
- Robustez: comprobar que la conclusión se mantiene bajo decisiones analíticas razonables diferentes.
Un resultado adquiere mayor credibilidad cuando distintos equipos lo observan con métodos, muestras y contextos diferentes.
No toda falta de replicación significa que el resultado original fuera falso. Puede deberse a diferencias entre poblaciones, condiciones experimentales, potencia estadística o procedimientos. Pero una discrepancia persistente obliga a revisar la conclusión.
La crisis de replicación
En varias disciplinas se descubrió que algunos resultados publicados no podían reproducirse con la frecuencia esperada. Este problema impulsó debates sobre tamaño de las muestras, sesgo de publicación, flexibilidad analítica e incentivos académicos.
La llamada crisis de replicación no demuestra que la ciencia sea inútil. Muestra que los mecanismos de autocorrección deben fortalecerse. El reconocimiento público de errores y limitaciones es una propiedad del sistema científico, no una prueba de su fracaso.
Evidencia convergente: por qué una sola prueba rara vez basta
Las conclusiones científicas más sólidas suelen apoyarse en líneas de evidencia independientes. La evolución biológica, por ejemplo, no depende únicamente de fósiles, sino también de genética, anatomía comparada, biogeografía y observación directa.
La convergencia es poderosa porque cada método tiene limitaciones distintas. Si varios procedimientos independientes producen la misma conclusión, resulta menos probable que el resultado se deba a un único sesgo.
La independencia no tiene que ser absoluta. Lo importante es que las líneas de investigación no compartan exactamente las mismas fuentes de error.
Coherencia entre evidencia y teoría
Una teoría científica organiza datos, explica regularidades y genera predicciones. La evidencia permite evaluar esas predicciones.
Cuando una observación contradice una teoría, existen varias posibilidades:
- La teoría puede ser incorrecta o incompleta.
- La medición puede contener un error.
- Las condiciones del modelo pueden no cumplirse.
- La interpretación de los datos puede ser inadecuada.
Una sola anomalía no siempre destruye una teoría bien respaldada, pero tampoco debe ignorarse. Las teorías se modifican cuando las anomalías son robustas y una explicación alternativa ofrece mayor capacidad explicativa.
Ausencia de evidencia y evidencia de ausencia
No encontrar un efecto no siempre demuestra que el efecto no exista. Puede significar que el estudio tenía una muestra pequeña, instrumentos poco sensibles o un diseño incapaz de detectarlo.
Para considerar que existe evidencia de ausencia deben definirse previamente efectos relevantes y utilizarse métodos con suficiente capacidad para detectarlos.
Esta distinción es especialmente importante en medicina, ecología y evaluación de riesgos.
Calidad de la evidencia y certeza de las conclusiones
La calidad de la evidencia no depende solo del diseño. También influyen:
- Consistencia entre estudios.
- Precisión de las estimaciones.
- Riesgo de sesgo.
- Aplicabilidad al contexto.
- Existencia de una relación dosis-respuesta.
- Posibles conflictos de interés.
Por ello, una conclusión científica debería expresar su grado de certeza. Términos como evidencia limitada, moderada o sólida permiten comunicar que no todas las afirmaciones poseen el mismo respaldo.
Consenso científico
El consenso científico no es una votación ni una autoridad infalible. Surge cuando múltiples investigaciones, evaluaciones y líneas de evidencia convergen durante un periodo prolongado.
Su valor procede del proceso que lo genera:
- Revisión crítica.
- Replicación.
- Debate especializado.
- Comparación de explicaciones.
- Acumulación de resultados.
El consenso puede cambiar, pero no todas las opiniones tienen el mismo peso. Una afirmación aislada no equivale a una conclusión respaldada por décadas de investigación independiente.
Revisión por pares: función y límites
La revisión por pares permite que especialistas evalúen la metodología, coherencia y relevancia de un trabajo antes de su publicación.
Puede detectar errores y mejorar los manuscritos, pero no garantiza que un estudio sea correcto. Los revisores pueden pasar por alto problemas, discrepar entre sí o compartir supuestos con los autores.
La publicación es el inicio de la evaluación pública de un resultado, no su certificación definitiva. La evidencia se fortalece después mediante replicación, crítica y comparación con nuevos estudios.
Conflictos de interés y financiación
La financiación no invalida automáticamente una investigación, pero puede influir en las preguntas, diseños, análisis y publicación de resultados.
Por eso deben declararse:
- Fuentes de financiación.
- Relaciones económicas.
- Participación del financiador en el diseño.
- Acceso de los autores a los datos.
La transparencia permite evaluar si existen incentivos capaces de distorsionar la investigación.
Evidencia científica y comunicación pública
Los resultados científicos suelen simplificarse al llegar a medios y redes sociales. Expresiones como “un estudio demuestra” pueden ocultar muestras pequeñas, efectos modestos o resultados preliminares.
Para interpretar una noticia científica conviene preguntar:
- ¿Qué tipo de estudio se realizó?
- ¿Cuántas personas o muestras participaron?
- ¿Existe grupo de comparación?
- ¿Se midió correlación o causalidad?
- ¿El efecto es grande y relevante?
- ¿Ha sido replicado?
- ¿Coincide con el conjunto de la literatura?
La evidencia debe valorarse dentro de un cuerpo de conocimiento, no mediante titulares aislados.
Evidencia científica frente a pseudociencia
Las afirmaciones científicas deben ser contrastables, describir métodos y admitir la posibilidad de estar equivocadas. La pseudociencia suele utilizar lenguaje científico sin aceptar controles equivalentes.
Entre las señales problemáticas se encuentran:
- Dependencia de testimonios personales.
- Explicaciones que se adaptan a cualquier resultado.
- Ausencia de metodología verificable.
- Selección de estudios favorables e ignorancia del resto.
- Apelación a conspiraciones para explicar toda crítica.
La diferencia no reside en que la ciencia nunca se equivoque. Reside en que dispone de mecanismos para detectar, discutir y corregir errores.
Cómo evaluar una afirmación científica
Una evaluación básica puede seguir estos pasos:
- Definir exactamente qué se afirma.
- Identificar qué datos respaldan la afirmación.
- Comprobar qué diseño se utilizó.
- Analizar posibles sesgos y variables de confusión.
- Evaluar tamaño del efecto e incertidumbre.
- Buscar replicaciones y revisiones sistemáticas.
- Comparar la conclusión con explicaciones alternativas.
Este procedimiento no sustituye la formación especializada, pero ayuda a distinguir evidencia sólida de resultados preliminares o interpretaciones exageradas.
La evidencia cambia con el conocimiento disponible
Una conclusión puede ser razonable con los datos de una época y revisarse posteriormente. Esto no implica que la ciencia cambie arbitrariamente. Significa que las inferencias se actualizan cuando aparecen mejores mediciones, nuevas muestras o modelos más completos.
La provisionalidad científica no equivale a relativismo. Algunas conclusiones están respaldadas por evidencia tan amplia que su revisión completa resulta extremadamente improbable, aunque sus detalles continúen refinándose.
Conclusión
La evidencia científica constituye el núcleo operativo del conocimiento empírico. Conecta observaciones y modelos mediante medición, inferencia, comparación y revisión crítica.
Su valor no radica en proporcionar certezas absolutas, sino en permitir estimaciones justificadas del grado de apoyo de una hipótesis. La solidez de una conclusión depende de la calidad de los datos, el diseño del estudio, la magnitud del efecto, la incertidumbre, el control de sesgos y la convergencia entre investigaciones independientes.
La ciencia progresa cuando la evidencia puede comprobarse, discutirse y corregirse. Por ello, reconocer limitaciones, publicar resultados negativos y revisar conclusiones no debilita el conocimiento científico: constituye el mecanismo que permite hacerlo más fiable.
Artículos relacionados
- Qué es la ciencia: definición, método y evidencia
- Qué es el método científico y por qué funciona
- Qué es una teoría científica
- Cómo avanza la ciencia corrigiendo errores
- Instrumentos científicos, observación y medición
Bibliografía científica
- Popper, K. (1959). The Logic of Scientific Discovery. Routledge.
- Ioannidis, J. P. A. (2005). “Why Most Published Research Findings Are False”. PLoS Medicine.
- Gelman, A. et al. (2013). Bayesian Data Analysis. CRC Press.
- Goodman, S. N. (1999). “Toward Evidence-Based Medical Statistics”. Annals of Internal Medicine.
- Gigerenzer, G. (2002). Calculated Risks. Cambridge University Press.
- National Academies of Sciences, Engineering, and Medicine (2019). Reproducibility and Replicability in Science.
- Munafò, M. R. et al. (2017). “A Manifesto for Reproducible Science”. Nature Human Behaviour.
- Wasserstein, R. L. y Lazar, N. A. (2016). “The ASA Statement on p-Values”. The American Statistician.